CN111695733A - 一种基于改进模糊聚类算法的“煤改电”负荷预测方法 - Google Patents

Abstract

本发明属于电网规划技术领域，涉及负荷预测算法，尤其是一种基于改进模糊聚类算法的“煤改电”负荷预测方法，包括步骤1：输入“煤改电”区域改造户调查数据；步骤2：计算给定参数下特殊人群和普通人群的热舒适温度；步骤3：计算电费最优函数；步骤4：计算热负荷最优函数；步骤5：计算效用最大化的两类影响因子；步骤6：计算效用函数ω＝f_c×C^*+f_h×H^*；步骤7：求解各类用户负荷特性；步骤8：采用模糊C均值聚类法进行分析；步骤9：利用典型负荷曲线占比计算“煤改电”区域聚合负荷特性；步骤10：按照历史温度数据计算供暖季“煤改电”负荷增量。

Description

一种基于改进模糊聚类算法的“煤改电”负荷预测方法

技术领域

本发明属于电网规划技术领域，涉及负荷预测算法，尤其是一种基于改进模糊聚类算法的“煤改电”负荷预测方法。

背景技术

“煤改电”负荷的接入会对电网带来负荷大幅且不均衡增长、电网峰谷差加大等影响，“煤改电”实施区域的负荷特性将发生变化。根据公开数据计算京津冀三地部分“煤改电”工程实施前后负荷特性变换，北京地区“煤改电”工程实施前后冬季典型日的最大负荷峰谷差率由5％提升至19％，平均负荷率由97％降至89％，天津地区冬季典型日的最大负荷峰谷差率由40提升至42％，平均负荷率由81％降至80％，河北地区冬季典型日的最大负荷峰谷差率由60％提升至75％，平均负荷率由75％降至60％。且三地负荷特性曲线高峰均由夏季转移到冬季，当地电采暖负荷需求比重越高，季不均衡系数越低，负荷曲线波动性越明显，传统的“迎峰度夏”将转变为“迎峰度冬”。从运行结果来看，由于“煤改电”负荷增长较大，且农网负荷分散在，开展配电网规划时，“煤改电”工程地区建设规模还需尽量覆盖农网其他专项工程建设需求。“煤改电”负荷具有较好柔性特征，结合消费心理学特点进行热负荷建模，分析出基于室温舒适度与价格敏感度的冬季“煤改电”需求响应行为，对未来电网调度运行与规划至关重要。

“煤改电”工程需要综合考虑改造主体利益、用能习惯、气象条件、房屋结构等因素的影响，投资成本较高。且“煤改电”工程满足电采暖负荷的同时也需要计及农网改造新增负荷影响，建设时各类负荷同时率按照0.4至0.6考虑。传统的负荷预测方法主要有时间序列法、回归分析法、灰色数学理论、神经网络理论、模糊系统理论等。“煤改电”负荷变化依赖于环境温度、家庭收入、人员结构等多耦合因素，且用电行为随机性、不确定性极强，按照传统负荷预测方法其结果往往精度和准确度不能满足要求，对改造工程的实践依据指导作用不高。

本发通过对“煤改电”用户按照房屋面积、家庭收入、人员结构进行差异化分类，采用简化建筑热负荷模型与效用敏感度分析建立典型用户曲线，进而采用模糊聚类的方法得到“煤改电”区域负荷特性。

发明内容

本发明的目的在于弥补现有技术的不足，提供一种以模糊聚类算法为基础，结合建筑热湿环境、家庭收入、消费效用最大化等因素，分析各类“煤改电”用户电量特征的基于改进模糊聚类算法的“煤改电”负荷预测方法。

本发明采取的技术方案是：

一种基于改进模糊聚类算法的“煤改电”负荷预测方法，其特征在于：包括如下步骤：

步骤1：输入“煤改电”区域改造户调查数据，包括历史气象数据、住房面积、家庭收入、人员结构；

步骤2：计算给定参数下特殊人群和普通人群的热舒适温度；

步骤3：计算电费最优函数：

其中为P_h直接加热功率，P_s为蓄热功率，t_h为直接加热时间，t_s为蓄热时间，p₁为峰段电价，p₂为谷段电价；

步骤4：计算热负荷最优函数：

其中T_j为时刻室温，T_c热舒适温度；

步骤5：计算效用最大化的两类影响因子：价格敏感因子

其中r_i为需求响应度，λ_ci为费用响应度；热度敏感因子

其中r_i为需求响应度，λ_hi为热度响应度；其中λ_ci和λ_hi按照最大似然估计求得：θ＝θ_i(λ_ci,λ_hi)令，X＝X_i(C_i,H_i)

P{X₁＝X₁ X₂＝X₂ … X_n＝X_n}

步骤6：计算效用函数ω＝f_c×C^*+f_h×H^*，其中C^*和H^*为归一化无量纲值；

步骤7：按照以上步骤，求解各类用户负荷特性，得到负荷特性集合{X₁ X₂ … X_n}；

步骤8：采用模糊C均值聚类法进行分析，负荷特性集归一化处理后作为输入，求得聚类中心及典型负荷特性曲线。

步骤9：利用典型负荷曲线占比计算“煤改电”区域聚合负荷特性：

其中τ_i为第i类曲线占总数的比例；

步骤10：按照历史温度数据计算供暖季“煤改电”负荷增量：

其中υ_i为第i类温度负荷占总数的比例。

进一步的，所述步骤2中，采用热舒适模型PMV＝aT+bP_v-c，其中a、b、c为经验参数。

进一步的，所述步骤3中，

以上两式中P_d为热量需求，η_h为直接加热效率，S_i为第i时刻蓄热量，P_s.h为蓄热模块保温功率，S_m为最大蓄热量，η_s为蓄热保温效率。

进一步的，电费最优函数约束条件除了受到热机工作启停保护限制还受到迟滞效用限制，即存在制热功率增长的死区与饱和区，

其中T_a为室温，T_dz为死区温度，T_sz为饱和区温度。

进一步的，所述步骤4中，热负荷最优函数约束条件包括热量供需平衡、热机功率限制、放热功率限制；P_hη_h+P_sη_s≥P_d，其中0≤P_h≤P_hmax，0≤P_s≤P_smax；

进一步的，所述步骤5中，所述的需求响应度分别为家庭收入，人员结构和住房面积对采暖电量的贡献值。

进一步的，所述步骤8中，

其中聚类中心为：

其中u_ij为隶属度矩阵；其中典型负荷为离聚类中心最近的一条曲线：L_i＝min||L_i-C_i||，距离采用欧氏距离。

本发明的优点和积极效果是：

本发明中，基于消费心理中的效用最大特点，以往年的调查数据如历史气象数据、住房面积、家庭收入、人员结构为基础，结合平均热感觉指数，分别以普通人群(青壮年)和特殊人群(幼儿及老年人)的热舒适温度建立模型。

本发明中，分别计算电费最优函数(C),热负荷最优函数(H)，效用最大化的两类影响因子(价格敏感因子f_c，热度敏感因子f_h)，效用函数ω的参数，并根据上述参数求解不用用户人群的负荷特性，得到相应的负荷特性集合。

本发明中，基于相应的负荷特性集合，采用模糊C均值聚类法进行分析，通过优化目标函数得到每个样本点对所有类中心的隶属度，进而决定样本点的类属，实现对样本数据的自动分类。将负荷特性集归一化处理后作为输入，求得聚类中心及典型负荷特性曲线。之后根据典型负荷曲线占比计算“煤改电”区域聚合负荷特性，并按照历史温度数据计算供暖季“煤改电”负荷增量。进而为“煤改电”工程改造及电网规划提供了负荷预测的参考。

附图说明

图1为本发明的流程图；

图2为给定温度和湿度条件下的典型负荷曲线图；

图3为给定温度和湿度条件下的聚类负荷曲线图。

具体实施方式

下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。

一种基于改进模糊聚类算法的“煤改电”负荷预测方法，本发明的创新在于，包括如下步骤：

步骤1：输入“煤改电”区域改造户调查数据，包括历史气象数据、住房面积、家庭收入、人员结构；

步骤2：计算给定参数下特殊人群和普通人群的热舒适温度；

步骤3：计算电费最优函数：

其中为P_h直接加热功率，P_s为蓄热功率，t_h为直接加热时间，t_s为蓄热时间，p₁为峰段电价，p₂为谷段电价；

步骤4：计算热负荷最优函数：

其中T_j为时刻室温，T_c热舒适温度；

步骤5：计算效用最大化的两类影响因子：价格敏感因子

其中r_i为需求响应度，λ_ci为费用响应度；上述两式中需求响应度分别为家庭收入，人员结构和住房面积对采暖电量的贡献值，具体参数见附录1。

附录1：

家庭收入，人员结构和住房面积对采暖电量的贡献值按照Pearson相关系数来计算，选取1000户已参加“煤改电”改造家庭2017-2018、2018-2019采暖季电量变化进行分析。

其中x_i为家庭收入调查结果，z_i为采暖电量与改造前电量差值

其中y_i为住房面积调查结果

以上两式均需满足显著性检验：

和

其中d_i＝w_i-z_i，w_i为家庭人员结构调查结果。

热度敏感因子

其中r_i为需求响应度，λ_hi为热度响应度；其中λ_ci和λ_hi按照最大似然估计求得：θ＝θ_i(λ_ci,λ_hi)令，X＝X_i(C_i,H_i)

P{X₁＝X₁ X₂＝X₂ … X_n＝X_n}

步骤6：计算效用函数ω＝f_c×C^*+f_h×H^*，其中C^*和H^*为归一化无量纲值；

步骤7：按照以上步骤，求解各类用户负荷特性，得到负荷特性集合{X₁ X₂ … X_n}；

步骤8：采用模糊C均值聚类法进行分析，负荷特性集归一化处理后作为输入，求得聚类中心及典型负荷特性曲线。

步骤9：利用典型负荷曲线占比计算“煤改电”区域聚合负荷特性：

其中τ_i为第i类曲线占总数的比例；

步骤10：按照历史温度数据计算供暖季“煤改电”负荷增量：

其中υ_i为第i类温度负荷占总数的比例。

进一步的，所述步骤2中，采用热舒适模型PMV＝aT+bP_v-c，其中a、b、c为经验参数，见表1。

I<sub>ci</sub>(clo)	a	b	c
				0.25-0.50	0.2803	0.1717	7.1383
0.51-1.00	0.1383	0.0269	3.0190
				1.01-1.65	0.1478	-0.1371	2.5239

表1

进一步的，所述步骤3中，

以上两式中P_d为热量需求，η_h为直接加热效率，S_i为第i时刻蓄热量，P_s.h为蓄热模块保温功率，S_m为最大蓄热量，η_s为蓄热保温效率。

进一步的，电费最优函数约束条件除了受到热机工作启停保护限制还受到迟滞效用限制，即存在制热功率增长的死区与饱和区，

其中T_a为室温，T_dz为死区温度，T_sz为饱和区温度。

进一步的，所述步骤4中，热负荷最优函数约束条件包括热量供需平衡、热机功率限制、放热功率限制；P_hη_h+P_sη_s≥P_d，其中0≤P_h≤P_hmax，0≤P_s≤P_smax；

进一步的，所述步骤5中，所述的需求响应度分别为家庭收入，人员结构和住房面积对采暖电量的贡献值。

进一步的，所述步骤8中，

其中聚类中心为：

其中u_ij为隶属度矩阵；其中典型负荷为离聚类中心最近的一条曲线：L_i＝min||L_i-C_i||，距离采用欧氏距离。

本发明中，基于消费心理中的效用最大特点，以往年的调查数据如历史气象数据、住房面积、家庭收入、人员结构为基础，结合平均热感觉指数，分别以普通人群(青壮年)和特殊人群(幼儿及老年人)的热舒适温度建立模型。

本发明中，分别计算电费最优函数(C),热负荷最优函数(H)，效用最大化的两类影响因子(价格敏感因子f_c，热度敏感因子f_h)，效用函数ω的参数，并根据上述参数求解不用用户人群的负荷特性，得到相应的负荷特性集合。

本发明中，基于相应的负荷特性集合，采用模糊C均值聚类法进行分析，通过优化目标函数得到每个样本点对所有类中心的隶属度，进而决定样本点的类属，实现对样本数据的自动分类。将负荷特性集归一化处理后作为输入，求得聚类中心及典型负荷特性曲线。之后根据典型负荷曲线占比计算“煤改电”区域聚合负荷特性，并按照历史温度数据计算供暖季“煤改电”负荷增量。进而为“煤改电”工程改造及电网规划提供了负荷预测的参考。

Claims (7)

1.一种基于改进模糊聚类算法的“煤改电”负荷预测方法，其特征在于：包括如下步骤：

步骤1：输入“煤改电”区域改造户调查数据，包括历史气象数据、住房面积、家庭收入、人员结构；

步骤2：计算给定参数下特殊人群和普通人群的热舒适温度；

步骤3：计算电费最优函数：

其中为P_h直接加热功率，P_s为蓄热功率，t_h为直接加热时间，t_s为蓄热时间，p₁为峰段电价，p₂为谷段电价；

步骤4：计算热负荷最优函数：

其中T_j为时刻室温，T_c热舒适温度；

步骤5：计算效用最大化的两类影响因子：价格敏感因子

其中r_i为需求响应度，λ_ci为费用响应度；热度敏感因子

其中r_i为需求响应度，λ_hi为热度响应度；其中λ_ci和λ_hi按照最大似然估计求得：θ＝θ_i(λ_ci,λ_hi)令，X＝X_i(C_i,H_i)

P{X₁＝X₁ X₂＝X₂…X_n＝X_n}

步骤6：计算效用函数ω＝f_c×C^*+f_h×H^*，其中C^*和H^*为归一化无量纲值；

步骤7：按照以上步骤，求解各类用户负荷特性，得到负荷特性集合{X₁ X₂…X_n}；

步骤8：采用模糊C均值聚类法进行分析，负荷特性集归一化处理后作为输入，求得聚类中心及典型负荷特性曲线。

步骤9：利用典型负荷曲线占比计算“煤改电”区域聚合负荷特性：

其中τ_i为第i类曲线占总数的比例；

步骤10：按照历史温度数据计算供暖季“煤改电”负荷增量：

其中υ_i为第i类温度负荷占总数的比例。

2.根据权利要求1所述的一种基于改进模糊聚类算法的“煤改电”负荷预测方法，其特征在于：所述步骤2中，采用热舒适模型PMV＝aT+bP_v-c，其中a、b、c为经验参数。

3.根据权利要求1所述的一种基于改进模糊聚类算法的“煤改电”负荷预测方法，其特征在于：所述步骤3中，

以上两式中P_d为热量需求，η_h为直接加热效率，S_i为第i时刻蓄热量，P_s.h为蓄热模块保温功率，S_m为最大蓄热量，η_s为蓄热保温效率。

4.根据权利要求3所述的一种基于改进模糊聚类算法的“煤改电”负荷预测方法，其特征在于：

电费最优函数约束条件除了受到热机工作启停保护限制还受到迟滞效用限制，即存在制热功率增长的死区与饱和区，

其中T_a为室温，T_dz为死区温度，T_sz为饱和区温度。

5.根据权利要求1所述的一种基于改进模糊聚类算法的“煤改电”负荷预测方法，其特征在于：所述步骤4中，热负荷最优函数约束条件包括热量供需平衡、热机功率限制、放热功率限制；P_hη_h+P_sη_s≥P_d，其中0≤P_h≤P_hmax，0≤P_s≤P_smax；

6.根据权利要求1所述的一种基于改进模糊聚类算法的“煤改电”负荷预测方法，其特征在于：所述步骤5中，所述的需求响应度分别为家庭收入，人员结构和住房面积对采暖电量的贡献值。

7.根据权利要求1所述的一种基于改进模糊聚类算法的“煤改电”负荷预测方法，其特征在于:所述步骤8中，

其中聚类中心为：

其中u_ij为隶属度矩阵；其中典型负荷为离聚类中心最近的一条曲线：L_i＝min||L_i-C_i||，距离采用欧氏距离。

Images